[发明专利]一种sle的辅助诊断装置及方法

说明书

技术领域

本发明涉及一种sle的辅助诊断装置及方法，属于医疗大数据技术领域。

背景技术

系统性红斑狼疮（sle）是一种累及多系统、多器官的慢性系统自身免疫病，其临床症状多样，可累及皮肤粘膜、肌肉骨骼、肾脏、心脏、肺、神经系统、消化系统等多个器官系统。因此及时正确的治疗，对sle患者缓解病情，减少并发症，改善预后，降低死亡率有非常重要的意义。

关联规则挖掘是数据挖掘中最活跃的研究方法之一。最早是由Agrawal等人提出的。最初提出的动机是针对购物篮分析问题提出的，其目的是为了发现交易数据库中不同商品之间的联系规则。这些规则刻画了顾客购买行为模式，可以用来指导商家科学地安排进货、库存以及货架设计等。

随着互联网和医疗技术的进步，大数据分析为许多医学难题的解决提供了新途径。而已有的移动互联网医疗终端功能较为单一，只具有数据采集传输的功能，而没有智能疾病诊断的功能。

因此，目前缺乏一种sle的辅助诊断装置及方法，利用数据挖掘技术从这些海量的数据中找出有价值的知识和规则。

发明内容

本发明提供了一种sle的辅助诊断装置及方法，运用关联规则apriori算法进行数据挖掘，找出与sle受累器官相关的化验数据之间的关系，为治疗sle这一种脏器官损害提供客观依据，缓解医生在疾病诊断过程中的耗时，效率低的问题。

本发明的技术方案是：一种sle的辅助诊断装置，包括设备主机、控制面板和显示器；其中设备主机分别与控制面板和显示器连接；所述设备主机包括后台数据存储单元、信息处理单元；所述控制面板和显示器是人机交互单元；

所述后台数据存储单元用于存储已有病历数据；

所述信息处理单元，具体包括统计分类模块、数据预处理模块、sle关联指标模块，其中：统计分类模块，用于获取后台数据存储单元中的病历数据，并对其进行统计分类，得到sle脏器官受损疾病的数据；数据预处理模块，用于获取统计分类模块的数据并进行数据预处理；sle关联指标模块：用于获取数据预处理模块的数据进行数据挖掘，挖掘出sle脏器官受损的主要指标以及指标之间的关联关系；

所述人机交互单元，用于显示用户选择症状的界面，并在显示器上输出疾病的诊断结果。

一种sle的辅助诊断方法，所述方法的具体步骤如下：

Step1：用户通过控制面板和显示器选择一种sle脏器官受累的器官名称；

Step2：设备主机中的统计分类模块获取后台数据存储单元中的病历数据，对其进行筛选，筛选出Step1中选择的sle脏器官受累的器官名称的病历数据；

Step3：通过数据预处理模块，设备主机对选择的病历数据进行数据预处理；

Step4：设备主机的sle关联指标模块对预处理后的数据运用关联规则apriori算法通过建模来进行数据挖掘，并根据数据挖掘结果对sle受累器官进行诊断。

所述步骤Step3中，所述数据预处理包括数据清洗、属性规约、数据变换。

所述数据清洗主要用于解决空缺值、错误数据、噪声。

所述属性规约将其中冗余属性与挖掘任务不相关属性剔除用于更有效地对数据进行挖掘，其中不相关属性剔除是对sle病情没有影响的指标去除掉。

由于Apriori关联规则算法无法处理连续型数值变量，所述数据变换用于将原始数据格式转换为适合建模的格式，对数据进行离散化。

所述步骤Step4中，运用关联规则Apriori算法进行建模的具体步骤为：

Step4.1：设置建模参数最小支持度、最小置信度；

Step4.2：输入建模样本数据；

Step4.3：采用Apriori关联规则算法对建模的样本数据进行分析，得到支持度和置信度；

Step4.4：如果支持度和置信度小于建模参数设置的最小支持度、最小置信度，则重新调整建模参数；

如果支持度和置信度大于等于建模参数设置的最小支持度、最小置信度，则输出关联规则结果。

本发明的有益效果是：

1、发现sle一种受累器官化验数据间的关联关系和数据间的规律性。

2、医生依据规则分析病因，预测病情发展以及为未来临床诊治提供有效借鉴。

3、治疗患者过程中，医生可以有效地控制病人药物用量，减少药物的毒副作用，为后续治疗打下基础。

4、帮助病人改善生存质量，有利于提高患者的生存几率。